Weak AI

Schwache KI ist künstliche Intelligenz, die für eine bestimmte Aufgabe oder eine begrenzte Zahl von Aufgaben entwickelt wurde, etwa zum Erkennen von Gesichtern, zum Transkribieren von Sprache oder zum Empfehlen von Produkten. Sie verfügt über kein allgemeines Verständnis und kein Bewusstsein für ihre Tätigkeit. Im allgemeinen Sprachgebrauch ist schwache KI ein Synonym für künstliche enge Intelligenz (ANI). Nach den meisten Definitionen gehören alle heute eingesetzten KI-Systeme zu dieser Kategorie. „Schwach“ bezieht sich auf den Anwendungsbereich: Innerhalb ihrer Aufgabe kann eine schwache KI alle menschlichen Experten übertreffen.

Ursprung des Begriffs#

Der Philosoph John Searle führte die Bezeichnungen „schwach“ und „stark“ 1980 in seiner Arbeit „Minds, Brains, and Programs“ ein, in der er das Argument des chinesischen Zimmers vorstellte. Bei Searle bedeutet schwache KI die Behauptung, dass Computer leistungsfähige Werkzeuge zur Simulation und Erforschung des Geistes sind. Starke KI bezeichnet dagegen die Behauptung, dass ein entsprechend programmierter Computer tatsächlich einen Geist besitzt und versteht. In seinem Gedankenexperiment sitzt eine Person in einem geschlossenen Raum und beantwortet auf Chinesisch verfasste Fragen, indem sie einem englischsprachigen Regelbuch zur Bearbeitung chinesischer Schriftzeichen folgt. Die Antworten überzeugen die Muttersprachler außerhalb des Raums, doch die Person versteht kein Chinesisch. Searle argumentierte, dass sich ein Computer, auf dem ein Programm ausgeführt wird, in derselben Lage befindet.

In den folgenden Jahrzehnten wandelten sich die Bezeichnungen von philosophischen Positionen zu Kategorien für Fähigkeiten. Heute steht „schwache KI“ üblicherweise für eng begrenzte, aufgabenspezifische KI, und „starke KI“ wird synonym mit künstlicher allgemeiner Intelligenz (AGI) verwendet.

Merkmale schwacher KI#

• Aufgabenbezogene Kompetenz: Eine schwache KI erledigt die Aufgabe, für die sie entwickelt oder trainiert wurde. Ein Modell, das zum Lesen von Röntgenaufnahmen des Brustkorbs trainiert wurde, kann ohne neue Trainingsdaten und erneutes Training weder Mammografien lesen noch Schach spielen.
• Anfälligkeit für Datenverschiebungen: Moderne schwache KI lernt statistische Muster aus Daten. Ihre Genauigkeit bleibt daher nur bei Eingaben erhalten, die den Trainingsdaten ähneln. Ändern sich die Eingaben in der Praxis, kann die KI versagen und trotzdem eine hohe Konfidenz angeben.
• Kein eigenes Verständnis und keine eigenen Ziele: Das System ordnet Eingaben Ausgaben zu. Es weiß nicht, was ein Fußgänger oder ein Tumor ist, und verfolgt keine Ziele außerhalb des Zwecks, für den es optimiert wurde.
• Übermenschliche Leistung im jeweiligen Bereich: Eine enge Spezialisierung ist mit außergewöhnlicher Leistung vereinbar. AlphaFold 2 von DeepMind sagt Proteinstrukturen mit einer Genauigkeit voraus, die Labormethoden nahekommt. Für diese Arbeit erhielten Demis Hassabis und John Jumper gemeinsam einen Anteil am Nobelpreis für Chemie 2024.

Schwache KI im Vergleich zu starker KI#

• Schwache KI (ANI): Sie existiert heute und umfasst alle eingesetzten KI-Systeme. „ANI“ betont den engen Fähigkeitenbereich, während „schwache KI“ auch Searles ursprüngliche Frage aufwirft, ob eine Maschine überhaupt etwas versteht.
• Starke KI (AGI): Hypothetisch. Im allgemeinen Sprachgebrauch bezeichnet der Begriff ein System, das Menschen bei praktisch allen kognitiven Aufgaben ebenbürtig ist und ohne aufgabenspezifische Entwicklung neue Aufgaben erlernt; in Searles Sinn eine Maschine mit einem echten Bewusstsein.
• Künstliche Superintelligenz (ASI): Hypothetisch. Ein System, das die besten Menschen in praktisch jedem Bereich übertrifft – das Szenario hinter der technologischen Singularität.

Beispiele für schwache KI#

• Computer Vision: Fahrerassistenzsysteme erkennen Fußgänger und Fahrbahnmarkierungen, und Fabrikkameras prüfen Bauteile auf Fehler. Ultralytics YOLO26 ist genau auf solche Aufgaben spezialisiert: Eine Modellfamilie deckt Erkennung, Instanz- und semantische Segmentierung, Tiefenschätzung, Klassifizierung, Posenschätzung und orientierte Boxen ab. Jedes trainierte Modell bearbeitet jedoch nur die Aufgabe und Klassen, für die es trainiert wurde.
• Spracherkennung: Diktierprogramme, Untertitelungswerkzeuge und Sprachassistenten wandeln gesprochene Sprache in Text um.
• Empfehlungssysteme: Streaming- und Einkaufsdienste sortieren Inhalte für jeden Nutzer anhand des Wiedergabe- und Kaufverlaufs.
• Spiele: Deep Blue von IBM besiegte 1997 den Schachweltmeister Garry Kasparov und konnte nichts anderes.

Ist generative KI immer noch schwache KI?#

Große Sprachmodelle (LLMs) schreiben Code, übersetzen, fassen zusammen und beantworten Fragen zu Bildern – das macht die Einordnung als eng spezialisiert schwierig. Ein Forschungsbericht von Microsoft Research aus dem Jahr 2023 zu GPT-4 beschrieb „Anzeichen einer künstlichen allgemeinen Intelligenz“. Wer LLMs weiterhin der engen Kategorie zuordnet, verweist auf ihre uneinheitlichen Fähigkeiten, ein Muster, das als gezackte Intelligenz bezeichnet wird, sowie auf Gewichte, die nach dem Ende des Trainings nicht weiter lernen. Der EU AI Act umgeht die Einteilung in schwache und starke KI und reguliert solche Systeme als KI-Modelle für allgemeine Zwecke. Für ihre Anbieter gelten die entsprechenden Pflichten seit dem 2. August 2025.